Métodos de séries temporais: ARMA e cointegração

Os métodos de séries temporais ajudam a explicar como uma variável evolui, prever seu próximo valor e separar relações relevantes de tendências enganosas. Entretanto, escolher um modelo exige mais do que encontrar um R-quadrado elevado. Também é necessário compreender a persistência, a estacionariedade, os choques e a informação disponível em cada momento.

Por exemplo, um aumento inesperado nas vendas pode desaparecer em um mês, persistir por anos ou mudar permanentemente a trajetória de uma empresa. Cada possibilidade implica um modelo estatístico diferente. Consequentemente, a mesma técnica de regressão pode produzir evidências úteis em um contexto e uma ilusão convincente em outro.

Este guia desenvolve os temas das páginas fornecidas: processos autorregressivos e de médias móveis, ACF e PACF, critérios de informação, raízes unitárias, cointegração, correção de erros e causalidade de Granger. Além disso, apresenta cálculos originais, hipóteses explícitas e verificações práticas que conectam essas ideias. Os exemplos resolvidos utilizam dados didáticos, exceto quando uma legenda identifica observações históricas.

Os métodos de séries temporais começam pela ordem das observações

Uma série temporal registra uma variável em ordem cronológica. Vendas mensais, produção trimestral e taxas de câmbio diárias se enquadram nessa descrição. Ao contrário de uma amostra sem ordenação, uma série temporal carrega informação em sua sequência: o passado pode ajudar a explicar o presente.

Antes de estimar qualquer modelo, defina o intervalo entre as observações e a unidade de medida. Por exemplo, “100” pode significar 100 dólares, um índice de preços de 100 ou uma quantidade transformada em logaritmos com outra interpretação. Da mesma forma, uma defasagem equivale a um dia em dados diários e a um trimestre em dados trimestrais.

Os símbolos utilizados neste guia

O ruído branco tem média zero, variância finita constante e autocovariância nula nas defasagens diferentes de zero. Entretanto, essas propriedades, por si só, não implicam independência nem distribuição normal. Nos cálculos elementares abaixo, as inovações satisfazem essas condições; hipóteses mais fortes aparecem explicitamente quando um cálculo precisa delas.

Em um modelo de previsão, uma inovação também deve representar informação que as observações passadas não conseguem prever. Portanto, padrões não explicados nos resíduos estimados merecem atenção. Uma série de resíduos pode ter média próxima de zero e ainda conter uma estrutura preditiva útil.

Três perguntas que evitam uma análise equivocada

Primeiro, decida se você deseja uma previsão, uma explicação econômica ou uma estimativa causal. Depois, identifique se o modelo trata de níveis, variações ou mudanças percentuais. Por fim, pergunte se a relação deve valer para toda a amostra ou apenas dentro de um regime específico.

Uma previsão da demanda do próximo mês talvez precise apenas de um desempenho preditivo confiável. Por outro lado, afirmar como uma política altera a demanda exige uma estratégia de identificação convincente. A ordenação temporal ajuda a organizar ambas as tarefas, mas não as torna equivalentes.

Modelos AR, MA e ARMA: como os choques se propagam no tempo

Os modelos autorregressivos utilizam valores passados

Um modelo autorregressivo explica a observação atual por meio de valores anteriores da mesma variável. Em sua forma mais simples, um processo AR(1) utiliza uma defasagem. Centralizar o modelo em torno de sua média facilita especialmente a interpretação da persistência.

De forma equivalente, escreva Y_t = c + φY_t−1 + ε_t, em que c = (1 − φ)μ. Para o AR(1) causal estacionário usual, |φ| < 1. Como resultado, os desvios em relação à média desaparecem gradualmente, em vez de se acumularem para sempre.

Exemplo resolvido 1: calcule a média e a variância de um AR(1)

Suponha que Y_t = 2 + 0.8Y_t−1 + ε_t, com variância das inovações igual a 4. Tomar expectativas sob estacionariedade resulta em μ = 2 + 0.8μ. Portanto, a média incondicional é 10.

O intercepto é 2, mas a média é 10. Essa diferença importa porque o modelo transmite repetidamente as contribuições anteriores para observações posteriores. Além disso, o desvio-padrão da série é aproximadamente 3.333, superior ao desvio-padrão das inovações, que é 2.

A fórmula da variância decorre diretamente da independência entre a inovação atual e o nível passado. Especificamente, V = φ²V + σ²; ao isolar V, obtemos a expressão acima. Uma inicialização estacionária preserva essa variância em todas as datas.

Exemplo resolvido 2: faça previsões para um, dois e três períodos à frente

Continue com o mesmo modelo e considere que a última observação é 15. Como as inovações futuras têm média condicional zero, a previsão se aproxima de 10. Cada passo adicional preserva 80% do desvio restante.

Essas previsões descrevem médias condicionais, não resultados futuros garantidos. Novos choques podem afastar as observações reais da trajetória prevista. Ainda assim, a reversão à média do modelo fica clara antes mesmo de estimar um conjunto de dados reais.

Exemplo resolvido 3: calcule a meia-vida de um choque

Para 0 < φ < 1, um choque de uma unidade deixa φ^h unidades após h períodos. Iguale essa expressão a 0.5 e isole h. Consequentemente, a persistência pode ser expressa como uma medida de tempo que o leitor compreende.

Um coeficiente de 0.99 ainda satisfaz a condição de estacionariedade do AR(1). Entretanto, seu comportamento em uma amostra curta pode se parecer com o de um passeio aleatório. Isso explica por que a inspeção visual, sozinha, pode ter dificuldade para distinguir uma estacionariedade muito persistente de uma raiz unitária.

Os modelos de médias móveis utilizam choques passados

Um processo de médias móveis combina inovações atuais e passadas. O termo não significa uma média calculada em uma janela móvel dos preços ou das vendas observados. Em vez disso, descreve como perturbações inesperadas entram no resultado.

Um processo MA finito com entradas de ruído branco é estacionário em covariância quando seus coeficientes são finitos. A invertibilidade impõe uma restrição adicional; neste MA(1), |θ| < 1 fornece a representação invertível usual. Portanto, estacionariedade e invertibilidade respondem a perguntas diferentes.

A invertibilidade permite recuperar as inovações por meio de uma representação estável baseada em observações passadas. Sem uma normalização como a invertibilidade, diferentes valores dos parâmetros podem descrever o mesmo padrão de autocorrelação. Na prática, verifique a convenção de parâmetros do programa antes de comparar estimativas.

Exemplo resolvido 4: traduza a convenção de sinais de MA

O capítulo fotografado escreve seu termo MA com sinal negativo: Y_t = ε_t − θ_livroε_t−1. Este artigo utiliza um sinal positivo. Portanto, θ_aqui = −θ_livro.

Assim, o coeficiente de −0.8 do capítulo corresponde a +0.8 na representação com sinal positivo. Ambas as expressões geram exatamente a mesma série. Comparar os números sem suas equações sugeriria, incorretamente, dinâmicas opostas.

Os modelos ARMA combinam ambos os canais

Um modelo ARMA(p, q) combina p defasagens autorregressivas e q defasagens de médias móveis. Em uma representação centralizada, sua forma geral é:

Em modelos AR de ordem superior, verificar cada coeficiente separadamente é insuficiente. A estacionariedade depende, em vez disso, das raízes de 1 − φ₁z − … − φ_pz^p: nesta convenção, elas devem ficar fora do círculo unitário. Da mesma forma, a invertibilidade depende das raízes do polinômio de médias móveis.

Para uma abordagem mais ampla de previsão, consulte Hyndman e Athanasopoulos sobre modelos ARIMA não sazonais. A diferença entre ARMA e ARIMA é que ARIMA também permite diferenciar a série antes de ajustar a dinâmica estacionária.

Exemplo resolvido 5: aplique choques idênticos a três processos

Para comparar os processos, comece com as dez inovações da primeira tabela fornecida. A seguir, reutilizamos essas entradas e recalculamos três séries com valores iniciais iguais a zero. Essa comparação controlada isola o mecanismo de propagação do modelo porque todos os processos recebem o mesmo novo choque.

Embora AR e MA coincidam na segunda observação, depois eles se separam. Por exemplo, AR utiliza o nível gerado anteriormente, enquanto MA utiliza a inovação anterior. O processo ARMA incorpora ambos os termos, de modo que sua trajetória inicial difere ainda mais.

Como a ilustração começa com valores fixos iguais a zero, ela não inicializa o processo AR em sua distribuição estacionária. Portanto, a variância no início da amostra pode diferir de sua variância de longo prazo, embora os coeficientes descrevam um modelo estável. A inicialização é outro motivo pelo qual simulações curtas podem parecer incomuns.

Exemplo resolvido 6: derive a representação MA infinita

Comece com a equação AR(1) centralizada e substitua repetidamente o valor defasado. Após m substituições, o resultado contém inovações anteriores e um termo restante de valor inicial. Como |φ| < 1, esse último termo desaparece no limite estável.

Com φ = 0.8, os cinco primeiros pesos são 1, 0.8, 0.64, 0.512 e 0.4096. Assim, um modelo AR pode lembrar um choque por infinitos períodos, mas atribuindo a ele um peso cada vez menor. “Memória infinita” não significa um efeito de magnitude constante.

Exemplo resolvido 7: derive a representação AR infinita

Agora comece com Y_t = ε_t + θε_t−1. Isole recursivamente a inovação passada e substitua-a na equação. Sob invertibilidade, os coeficientes diminuem e produzem uma representação autorregressiva infinita.

Para θ = 0.5, os coeficientes começam com 0.5, −0.25, 0.125 e −0.0625. Entretanto, o efeito direto do choque no MA(1) original continua terminando após uma defasagem. A representação infinita descreve uma forma equivalente de utilizar o histórico observado, não um novo mecanismo físico de propagação.

Identifique modelos de séries temporais com ACF, PACF e diagnósticos

A autocorrelação mede a dependência em uma defasagem

Na defasagem k, a função de autocorrelação, ou ACF, compara observações separadas por k períodos. Para uma série estacionária em covariância, o denominador é a variância comum. Portanto, o resultado mede a dependência, e não a escala das observações.

Um estimador amostral comum utiliza a média de toda a amostra tanto no numerador quanto no denominador. Entretanto, os programas podem oferecer normalizações alternativas para amostras finitas. Especifique o estimador ao reproduzir uma tabela numérica pequena, pois diferenças menores podem refletir convenções, em vez de um erro aritmético.

A referência do NIST sobre autocorrelação explica esse cálculo amostral. Sua ênfase em observações igualmente espaçadas importa: “defasagem um” perde um significado uniforme quando os intervalos representam durações diferentes.

Exemplo resolvido 8: compare autocorrelações teóricas

Para um AR(1), multiplique a equação por Y_t−k e tome expectativas para obter a recorrência γ_k = φγ_k−1. Consequentemente, ρ_k = φ^k. Por outro lado, um MA(1) compartilha uma inovação entre observações consecutivas, mas nenhuma entre observações separadas por mais de uma defasagem.

Observe que o coeficiente MA é 0.8, mas sua autocorrelação na primeira defasagem é aproximadamente 0.4878. Essas duas quantidades medem coisas diferentes. Além disso, θ e 1/θ produzem o mesmo valor de θ/(1 + θ²), o que ajuda a explicar a utilidade de uma convenção de invertibilidade.

A PACF remove a contribuição linear das defasagens intermediárias

A autocorrelação parcial na defasagem k isola a relação linear entre Y_t e Y_t−k após considerar as defasagens intermediárias. Para um AR(1), a PACF populacional é zero após a primeira defasagem. Um AR(p) apresenta seu corte correspondente após a defasagem p.

Esses padrões orientam uma busca inicial, mas não estabelecem uma especificação definitiva. Em particular, amostras curtas e modelos mistos podem ocultar as formas descritas nos livros. A orientação do NIST sobre identificação de Box–Jenkins destaca essa diferença entre padrões teóricos e evidências amostrais.

Exemplo resolvido 9: interprete uma faixa aproximada de ACF

Sob uma aproximação simples de ruído branco, uma autocorrelação amostral individual tem uma faixa aproximada de 95% de ±1.96/√T. Para 100 observações, esse intervalo é aproximadamente ±0.196. Com 400 observações, ele se reduz a ±0.098.

Suponha que uma autocorrelação amostral seja 0.15. Ela fica dentro da primeira faixa, mas fora da segunda. Portanto, a mesma magnitude estimada pode produzir evidências estatísticas diferentes quando o tamanho da amostra muda.

Essas faixas são referências pontuais, não uma garantia simultânea para todas as defasagens exibidas. Examinar 30 defasagens cria mais oportunidades de encontrar um pico isolado elevado. Consequentemente, um diagnóstico conjunto oferece evidências complementares úteis.

Exemplo resolvido 10: calcule as estatísticas de Box–Pierce e Ljung–Box

Considere 100 observações e quatro autocorrelações amostrais: 0.30, 0.20, 0.10 e 0.05. A estatística de Box–Pierce soma seus quadrados e multiplica o resultado pelo tamanho da amostra. Ljung–Box acrescenta a cada termo um ajuste para amostras finitas.

Em um teste de ruído branco aplicado diretamente à série, com quatro defasagens e sem termos ARMA estimados, a distribuição de referência aproximada tem quatro graus de liberdade. Seu valor crítico a 5% é 9.4877. Ambas as estatísticas superam esse limite; seus valores-p aproximados são 0.0065 e 0.0052, respectivamente.

Os diagnósticos dos resíduos exigem atenção à estimação dos parâmetros. Para um ARMA(p, q) não sazonal ajustado, uma correção comum utiliza m − p − q graus de liberdade, desde que esse número seja positivo. A documentação de Ljung–Box do statsmodels descreve esse ajuste por meio do argumento model_df.

Uma rejeição indica que ainda existe autocorrelação nas defasagens analisadas. Entretanto, um valor-p elevado não comprova independência, normalidade nem especificação correta em todos os aspectos. Ainda é necessário examinar valores atípicos, mudanças de variância e desempenho das previsões.

Exemplo resolvido 11: compare o AIC em uma amostra idêntica

Para comparar regressões gaussianas com a mesma variável dependente e amostra, uma expressão conveniente por observação é ln(RSS/T) + 2k/T, exceto por constantes comuns. Aqui, RSS significa soma dos quadrados dos resíduos e k conta os coeficientes da regressão, incluindo o intercepto. Uma penalização comum pelo parâmetro de variância não altera a classificação quando todos os candidatos a utilizam de forma consistente.

O candidato B vence embora C tenha o menor RSS. Seu ajuste ligeiramente pior permite um modelo mais simples, o que melhora a pontuação penalizada. Enquanto isso, A perde porque sua economia de parâmetros não compensa o maior erro residual.

Para estimar ARMA por verossimilhança, utilize o critério de informação completo baseado na verossimilhança do programa e documente como ele conta os parâmetros. Não compare fórmulas residuais arbitrárias de diferentes métodos de estimação. Da mesma forma, mudar a ordem de diferenciação pode alterar os dados efetivos e a verossimilhança, de modo que uma classificação ingênua do AIC entre ordens diferentes pode enganar.

AICc acrescenta uma correção para amostras pequenas, enquanto BIC utiliza uma penalização de complexidade diferente. Nenhum dos dois critérios estabelece causalidade econômica. Em vez disso, utilize uma lista curta de candidatos plausíveis e permita que os diagnósticos dos resíduos e o desempenho com dados futuros coloquem a classificação à prova.

Estacionariedade, passeios aleatórios e testes de raiz unitária

A estacionariedade descreve um processo, não uma linha aparentemente plana

A estacionariedade fraca exige média constante, variância finita constante e autocovariâncias que dependam da defasagem, não do tempo de calendário. Uma série estacionária ainda pode oscilar intensamente e apresentar sequências persistentes. Por outro lado, uma amostra não estacionária pode parecer tranquila em uma janela curta.

Considere a diferença entre uma tendência determinística e uma tendência estocástica. Remover uma tendência temporal fixa pode resolver a primeira. A diferenciação trata um componente de raiz unitária, embora diferenciar desnecessariamente possa criar uma dependência evitável.

Para mais exemplos, consulte Forecasting: Principles and Practice sobre estacionariedade e diferenciação. No trabalho aplicado, um gráfico, o conhecimento institucional e os testes formais devem orientar conjuntamente a transformação.

Exemplo resolvido 12: demonstre por que a variância de um passeio aleatório aumenta

Seja Y_t = Y_t−1 + ε_t, com Y₀ fixo e inovações não correlacionadas de variância σ². A substituição repetida soma todas as inovações desde a data inicial. Consequentemente, as variâncias desses choques se somam.

Com σ² = 1, a variância do nível é 1 após um período, 10 após dez e 20 após vinte. Entretanto, cada primeira diferença tem variância 1. Assim, a diferenciação remove a tendência estocástica acumulada neste modelo específico.

Exemplo resolvido 13: reconheça a regressão espúria

Imagine gerar X_t e Y_t como passeios aleatórios separados com sequências de inovações independentes. Seus processos geradores de dados não contêm nenhum vínculo. Ainda assim, uma amostra específica pode apresentar uma relação forte em níveis porque ambas as trajetórias oscilam ao longo do tempo.

O capítulo fornecido ilustra esse problema com duas séries simuladas: sua regressão em níveis apresenta R² = 0.32 e uma estatística t da inclinação de −2.84. Após diferenciar, o R² informado cai para 0.02 e a estatística t para −0.53. Esses números descrevem aquele exemplo didático; não são resultados universais da diferenciação.

A lição importante trata da validade da inferência. Os valores críticos t convencionais de regressões estacionárias não se aplicam automaticamente a níveis integrados sem relação. Portanto, uma estatística t aparentemente impressionante não consegue salvar um modelo cujas hipóteses fundamentais falham.

Ao mesmo tempo, diferenciar todas as séries com tendência sem verificar a cointegração pode descartar uma relação relevante de longo prazo. A pergunta correta é se as variáveis compartilham uma combinação de equilíbrio estável. Essa pergunta vem depois da avaliação da raiz unitária.

O teste de Dickey–Fuller aumentado

A regressão ADF inclui diferenças defasadas para considerar a dependência serial. Dependendo da aplicação, pode incorporar um intercepto e uma tendência determinística. A hipótese nula de raiz unitária trata do coeficiente do nível defasado.

Utilize valores críticos de Dickey–Fuller/MacKinnon em vez dos limites usuais da t de Student. A documentação oficial do ADF distingue as especificações determinísticas e apresenta valores-p e valores críticos apropriados. Convém lembrar que a escolha da tendência altera a distribuição de referência pertinente.

Exemplo resolvido 14: interprete corretamente uma decisão sobre raiz unitária

Suponha que um teste ADF retorne uma estatística de −2.40 e um valor crítico a 5% de −2.89. Esses números são resultados hipotéticos de um teste especificado, não uma tabela universal de valores críticos. Como −2.40 é menos negativo que −2.89, você não rejeita a hipótese nula de raiz unitária.

Agora suponha que o teste das primeiras diferenças retorne −4.80 diante de seu limite aplicável de −2.89. Você rejeita a hipótese nula de raiz unitária para as diferenças. Em conjunto, os resultados apoiam tratar a série original como I(1), sujeitos a limitações de especificação e poder do teste.

“Não rejeitar” não significa “comprovar” nem “aceitar como certeza”. Uma amostra curta pode ter dificuldade para distinguir um coeficiente de 0.98 de outro de 1.00. Além disso, uma quebra estrutural pode complicar as evidências de um teste padrão.

Utilize KPSS como perspectiva complementar

KPSS inverte a hipótese nula usual: testa a estacionariedade em nível ou em torno de uma tendência, conforme a especificação. Portanto, comparar ADF e KPSS pode revelar casos em que as evidências merecem mais investigação. A documentação oficial do KPSS apresenta as especificações alternativas e sua interpretação.

Exemplo resolvido 15: descubra o custo de diferenciar desnecessariamente

Suponha que Y_t já consiste em ruído branco com variância σ². A diferenciação produz Z_t = ε_t − ε_t−1. Embora a série original não tivesse correlação serial, sua diferença agora apresenta correlação negativa na primeira defasagem.

Assim, a diferenciação desnecessária duplica a variância neste exemplo e cria um MA(1) na fronteira da invertibilidade. Um primeiro pico negativo grande na ACF após diferenciar pode ser um sinal de alerta. Entretanto, sozinho ele não constitui evidência conclusiva.

Cointegração: uma relação estável entre séries que oscilam

Duas variáveis I(1) podem compartilhar uma combinação linear estacionária. Quando isso ocorre, dizemos que elas são cointegradas. Seus níveis individuais podem oscilar, mas seu desvio em relação a uma relação específica de longo prazo não contém a mesma tendência estocástica persistente.

O prêmio de economia de 2003 reconheceu o trabalho de Clive Granger sobre métodos para analisar séries temporais econômicas com tendências comuns. Além disso, o anúncio da Real Academia Sueca de Ciências situa a cointegração ao lado do trabalho de Robert Engle sobre volatilidade variável. Em conjunto, essas contribuições destacam que os problemas de séries temporais vão além do ajuste médio de uma regressão.

Exemplo resolvido 16: construa cointegração a partir de uma tendência compartilhada

Defina X_t como um passeio aleatório. Separadamente, defina u_t = 0.5u_t−1 + η_t como uma perturbação estacionária, com inovações independentes dos choques de X. Por fim, construa Y_t = 5 + 2X_t + u_t.

Ambos os níveis herdam a tendência estocástica do passeio aleatório. Ainda assim, subtrair de Y duas vezes X e o intercepto cancela exatamente essa tendência. Portanto, o par é cointegrado por construção.

Uma correlação elevada, sozinha, não estabelece essa propriedade. É necessário identificar uma combinação estacionária, não apenas duas linhas parecidas. Da mesma forma, a cointegração não determina automaticamente qual variável causa a outra.

Teste os resíduos estimados com valores críticos específicos de cointegração

A abordagem de Engle–Granger estima a equação de longo prazo e depois testa se seus resíduos têm raiz unitária. Entretanto, esses resíduos vêm de coeficientes estimados. Como resultado, seu teste não utiliza os mesmos valores críticos de um teste ADF comum sobre uma série observada.

A rotina de teste de cointegração do statsmodels utiliza uma hipótese nula de ausência de cointegração e pressupõe entradas I(1). Seus valores-p e valores críticos consideram o contexto baseado em resíduos. Isso é preferível a tratar o valor-p de um teste ADF comum sobre resíduos como um resultado válido de Engle–Granger.

Em um sistema maior, podem existir várias relações de longo prazo. Nesse contexto, um método de sistemas como a abordagem de Johansen pode ser mais apropriado do que escolher uma variável dependente e executar uma única regressão de resíduos. O número de variáveis e a pergunta de pesquisa determinam o próximo passo.

A correção de erros conecta as mudanças de curto prazo aos desequilíbrios de longo prazo

Um modelo de correção de erros, ou ECM, inclui um desvio de equilíbrio defasado ao lado de mudanças de curto prazo. Defina esse desvio antes de interpretar seu coeficiente. Aqui, um desvio positivo significa que Y está acima de seu valor de longo prazo dado X.

Com essa definição, um λ negativo reduz um valor de Y que está acima do equilíbrio, mantendo o restante constante. Por outro lado, um coeficiente positivo o eleva nesta interpretação de uma única equação e X fixo. Inverter a definição do resíduo inverte o sinal esperado do coeficiente.

Exemplo resolvido 17: interprete o ajuste e calcule sua meia-vida

Suponha que o modelo seja ΔY_t = 0.40ΔX_t − 0.25e_t−1, sem intercepto nem defasagens adicionais. Mantenha X fixo e comece com um desvio de equilíbrio de 10 unidades. Portanto, a primeira variação prevista em Y é −2.5 e deixa um desvio de 7.5.

Sob essas hipóteses restritivas, a convergência exige |1 + λ| < 1, ou −2 < λ < 0. O intervalo mais estreito −1 < λ < 0 gera uma convergência suave sem mudanças de sinal. Por outro lado, −2 < λ < −1 implica oscilações em torno do equilíbrio com convergência.

Um ECM mais completo pode incluir defasagens adicionais, retroalimentação por meio de X e várias relações de equilíbrio. Nesses modelos, a estabilidade depende do sistema dinâmico completo. Consequentemente, verificar o sinal de uma única equação é um diagnóstico útil, mas não substitui a análise de estabilidade do sistema.

Uma revisão importante do exemplo de IPC fornecido

O último exercício fotografado apresenta um coeficiente ECM de +0.12 para o resíduo defasado, com uma estatística t de 0.96. Sob e = Y − Ŷ e a interpretação condicional simples acima, essa estimativa não demonstra um ajuste estabilizador em Y. Além disso, a estatística t informada fornece evidências fracas contra um coeficiente nulo sob a inferência convencional.

Essa observação não comprova que o cálculo original contenha um erro tipográfico. Uma orientação diferente do resíduo, um ajuste conjunto por meio de X ou estimativas fracas em amostras pequenas poderiam mudar a interpretação. Portanto, a conclusão apropriada é verificar a definição do resíduo, a especificação da equação e a estimação subjacente antes de descrever o coeficiente como uma “correção de 12%”.

O mesmo exemplo utiliza níveis do IPC de cidades de janeiro de 1998 a dezembro de 2000, o que fornece apenas 36 observações mensais antes da perda de observações pelas defasagens. É uma amostra pequena para distinguir persistência e ajuste de longo prazo. A tabela histórica é útil para ensinar, mas não consegue estabelecer uma relação atual entre essas cidades.

Também existe uma questão de mensuração: os níveis do IPC das cidades não indicam qual delas tem custo de vida mais alto. A seção de perguntas e respostas do BLS sobre o IPC explica que os índices de cada área medem mudanças de preços em relação às suas respectivas bases. Por exemplo, índices de 170 e 160 indicam mudanças acumuladas diferentes desde a base, não que a cesta de consumo de uma cidade custe atualmente 6.25% a mais.

Exemplo resolvido 18: derive um ECM a partir de uma regressão dinâmica

Comece com um modelo autorregressivo simples de defasagens distribuídas. Suponha que 1 − ρ seja diferente de zero e que o desvio de equilíbrio resultante seja estacionário. Subtraia a variável dependente defasada e utilize X_t = X_t−1 + ΔX_t para reorganizar a equação.

Defina o intercepto e a inclinação de longo prazo como α = c/(1 − ρ) e β = (b₀ + b₁)/(1 − ρ). Depois, coloque os termos em níveis em evidência. Isso fornece diretamente a representação de correção de erros.

Para c = 1, ρ = 0.6, b₀ = 0.3 e b₁ = 0.5, o intercepto de longo prazo é 2.5 e a inclinação de longo prazo é 2.0. Enquanto isso, o impacto de curto prazo é 0.3 e o coeficiente de ajuste é −0.4. Essas três quantidades descrevem partes diferentes do mesmo modelo.

A álgebra, sozinha, não estabelece cointegração nem justifica uma interpretação causal. Ainda são necessárias as propriedades de integração pertinentes e hipóteses sobre os regressores e as inovações. Mesmo assim, ela mostra por que diferenciar um modelo válido de longo prazo sem preservar o termo de equilíbrio pode omitir informações importantes.

Causalidade de Granger: informação preditiva não é causalidade estrutural

X causa Y no sentido de Granger quando os valores passados de X acrescentam informação preditiva para Y além do restante do histórico incluído no modelo. A expressão se refere a um conjunto de informações especificado. Não significa automaticamente que intervir sobre X mudaria Y.

A documentação oficial do teste de causalidade de Granger descreve essa restrição conjunta. Na prática, a direção do teste importa: evidências de que X prevê Y não implicam que Y também preveja X.

Exemplo resolvido 19: calcule um teste conjunto de Granger

Suponha uma regressão estacionária corretamente especificada com 100 observações utilizáveis. O modelo restrito tem RSS = 120, enquanto o irrestrito tem RSS = 100 e cinco coeficientes estimados. Acrescentar dois termos defasados de X impõe duas restrições sob a hipótese nula.

O valor-p aproximado sob uma distribuição de referência F(2, 95) é 0.000173. Portanto, este exemplo hipotético rejeita a 5% a exclusão conjunta das defasagens de X. A conclusão trata da informação preditiva adicional dentro da regressão especificada.

Para variáveis integradas, não aplique mecanicamente aos níveis o mesmo teste de regressão estacionária. Sistemas cointegrados geralmente exigem uma estrutura apropriada de correção de erros, na qual os efeitos defasados de curto prazo e o ajuste de longo prazo envolvem restrições diferentes. Também existem procedimentos alternativos adequados, mas suas hipóteses devem corresponder à estrutura de integração.

O momento da publicação cria outra armadilha prática. Uma variável identificada como “março” pode estar disponível somente em abril. Consequentemente, utilizar sua observação de março para prever um resultado de março pode fornecer acidentalmente ao modelo uma informação que um analista real ainda não possuía.

Um processo prático para aplicar métodos de séries temporais

Escolha a família de modelos a partir da pergunta estatística

ARIMA(p, d, q) descreve um modelo com d diferenças regulares e dinâmica ARMA para a série transformada. A versão sazonal de ARIMA acrescenta ordens sazonais e um período sazonal. Para dados mensais, uma diferença sazonal anual comum é Y_t − Y_t−12.

Especificamente, um ARIMA(1,1,0) aplica uma diferença regular e depois ajusta um AR(1) a essa variação. Isso não significa que o nível original seja um AR(1) estacionário. Manter essa distinção explícita evita confusões ao explicar uma previsão a um leitor não especializado.

Planeje uma validação cronológica

Mantenha o período de avaliação depois do período de estimação. Embaralhar aleatoriamente as observações pode introduzir informações futuras no desenvolvimento do modelo. Em vez disso, utilize uma amostra de validação fixa ou origens de previsão repetidas que respeitem a cronologia.

Por exemplo, treine com os meses 1–60 e preveja o mês 61; depois, treine com os meses 1–61 e preveja o mês 62. Repita o processo durante a janela de avaliação. Se a empresa precisa de previsões para três meses à frente, avalie diretamente esse horizonte em vez de depender apenas de resultados de um passo.

Hyndman e Athanasopoulos descrevem a validação de séries temporais com origem móvel. Essa abordagem avalia a tarefa de previsão e preserva a ordem de chegada das informações. Todo o pré-processamento e a seleção de parâmetros também devem permanecer dentro da janela de treinamento correspondente.

Compare com um modelo de referência e informe erros compreensíveis

Um modelo complexo deve justificar sua complexidade superando uma referência pertinente. Para um passeio aleatório, o último valor observado é a previsão natural sem deriva. Por outro lado, em uma série fortemente sazonal, o valor do ano anterior para a mesma estação oferece outra referência útil.

Suponha que três erros de previsão sejam 2, −1 e 3. Seu MAE é 2, enquanto seu RMSE é √(14/3), aproximadamente 2.16. Como RMSE eleva os erros ao quadrado, alguns erros grandes podem dominá-lo com maior intensidade.

Escolha a métrica que corresponda à decisão. Um responsável pelo estoque pode se preocupar mais com faltas caras do que com erros médios simétricos. Além disso, evite erros percentuais quando os valores reais puderem ser zero ou se aproximar muito desse valor.

Os intervalos de previsão revelam o que as previsões pontuais escondem

Para o AR(1) estacionário com parâmetros conhecidos do exemplo 1, o erro de previsão de h passos acumula choques futuros com pesos decrescentes. Portanto, sua variância condicional é:

Com φ = 0.8 e σ² = 4, o desvio-padrão de um passo é 2. A variância de três passos é 4(1 + 0.64 + 0.4096) = 8.1984, resultando em um desvio-padrão aproximado de 2.8633. Sob inovações gaussianas e parâmetros conhecidos, a previsão de três passos de 12.56 tem um intervalo aproximado de 95% entre 6.95 e 18.17.

Os parâmetros estimados criam incerteza adicional que esse cálculo simples ignora. Mudanças no ambiente econômico podem ampliar ainda mais a diferença prática. Consequentemente, um intervalo estreito baseado no modelo nunca deve substituir uma revisão das hipóteses.

Verifique os dados antes de verificar o modelo

Documente cada transformação na ordem em que ela é aplicada. Por exemplo, uma diferença logarítmica aproxima uma taxa de crescimento proporcional, enquanto uma primeira diferença comum permanece nas unidades originais. Confundir as duas pode transformar um coeficiente correto em uma interpretação empresarial equivocada.

Se um nível positivo aumenta de 100 para 110, sua variação percentual comum é de 10%. A mudança logarítmica é ln(110) − ln(100), aproximadamente 0.09531; ao multiplicar por 100, obtemos 9.531 pontos logarítmicos. Entretanto, a aproximação fica mais próxima para mudanças menores.

Dez erros que podem invalidar uma análise aparentemente sólida

1. Equiparar um R-quadrado elevado a uma relação válida. Verifique primeiro as tendências estocásticas e as hipóteses que sustentam a inferência.
2. Comparar coeficientes MA sem considerar seus sinais. Traduza as equações completas antes de interpretar uma diferença.
3. Chamar qualquer processo AR de estacionário. Verifique suas raízes características.
4. Tratar estacionariedade e invertibilidade como sinônimos. Elas tratam de propriedades diferentes do modelo.
5. Usar valores críticos t comuns em um teste de raiz unitária. Aplique a distribuição não padrão apropriada.
6. Interpretar não rejeitar como comprovação de raiz unitária. Considere o poder do teste, as tendências e as quebras estruturais.
7. Usar valores-p comuns de ADF sobre resíduos como evidência de cointegração. Utilize inferência de cointegração baseada em resíduos.
8. Descrever qualquer coeficiente ECM como correção. Verifique a orientação do resíduo e a estabilidade dinâmica.
9. Interpretar a causalidade de Granger como efeito de uma intervenção. Separe o conteúdo preditivo da identificação estrutural.
10. Selecionar um modelo com informações futuras. Preserve a cronologia durante o pré-processamento, a estimação e a validação.

Perguntas frequentes sobre métodos de séries temporais

Qual é a diferença entre ARMA e ARIMA?

ARMA modela dinâmicas estacionárias por meio de termos autorregressivos e de médias móveis. ARIMA acrescenta diferenciação, representada por d, antes de modelar essas dinâmicas. Assim, ARIMA(p, 0, q) corresponde a ARMA(p, q) sob convenções compatíveis.

Um modelo de médias móveis é o mesmo que uma média em janela móvel?

Não. Um modelo MA utiliza inovações atuais e passadas. Uma média em janela móvel suaviza os dados observados dentro de uma janela. Embora ambos os conceitos envolvam “médias móveis”, suas funções estatísticas são diferentes.

Uma série estacionária pode ter tendência?

Uma média determinística não constante viola a estacionariedade fraca do nível original. Entretanto, os desvios em torno de uma tendência determinística podem ser estacionários. Nesse caso, “estacionária em torno de uma tendência” descreve o processo após considerar essa tendência.

Um teste de Ljung–Box não significativo comprova que os resíduos são ruído branco?

Não. Isso significa que o teste não encontrou evidências suficientes de autocorrelação nas defasagens selecionadas. Podem persistir outros padrões de dependência, mudanças de variância ou limitações de poder do teste. Portanto, verifique vários aspectos dos resíduos e dos resultados de previsão.

Duas séries podem ser cointegradas sem se mover em uma proporção de um para um?

Sim. A combinação estacionária pode incluir um coeficiente diferente de um e pode incorporar um intercepto ou termos determinísticos adequados. Por exemplo, Y − 5 − 2X é estacionária no exemplo construído anteriormente.

Devo diferenciar duas variáveis cointegradas?

Um ECM costuma modelar suas diferenças e preservar um termo defasado de equilíbrio de longo prazo. Simplesmente regredir uma diferença sobre outra pode omitir essa informação de ajuste. Portanto, a cointegração altera a forma de especificar o modelo em diferenças.

Um coeficiente positivo de correção de erros sempre significa instabilidade?

Não existe uma interpretação universal sem conhecer a definição do resíduo e o sistema completo. No modelo simples com X fixo e e = Y − α − βX, um coeficiente positivo amplia o desvio. Inverter essa definição inverte o sinal, enquanto as dinâmicas conjuntas exigem uma análise de estabilidade mais ampla.

De quantas observações preciso?

Não existe um mínimo universal que garanta uma estimação confiável. Mais parâmetros, ciclos sazonais mais longos, persistência forte e mudanças estruturais aumentam a necessidade de informação. Por isso, mantenha os modelos de amostras pequenas parcimoniosos e informe a incerteza em vez de depender de um único limite.

Conclusão: modele a persistência antes de interpretar as relações

Os métodos de séries temporais funcionam melhor quando cada decisão decorre do processo que você tenta compreender. Em particular, os termos AR e MA descrevem como os choques se propagam, enquanto os testes de raiz unitária ajudam a avaliar se eles se acumulam. A cointegração pergunta então se várias séries persistentes compartilham uma relação estável de longo prazo.

Depois, um ECM conecta as mudanças de curto prazo a essa relação, e um teste de Granger examina informação preditiva adicional. Nenhuma dessas ferramentas elimina a necessidade de verificar sinais, definições, momentos e hipóteses. O modelo mais útil combina uma explicação coerente com diagnósticos honestos e desempenho em observações realmente posteriores.

Fontes, procedência dos dados e leituras adicionais

Como referência inicial, as fotografias fornecidas incluem um capítulo intitulado Time-Series Methods, páginas 242–260. Este artigo utiliza esse material como orientação temática e identifica os poucos exemplos numéricos extraídos dele. Como as fotografias não estabelecem os detalhes bibliográficos completos do livro, este guia não inventa autor, edição nem ano de publicação.

Todos os demais cenários numéricos resolvidos e curvas representadas são cálculos didáticos originais, não estimativas das condições econômicas atuais. As referências externas abaixo fundamentam os métodos mencionados e os cuidados de mensuração. Em particular, o artigo distingue as derivações originais dos resultados históricos do livro e dos exemplos de documentação.

• Hyndman e Athanasopoulos — Forecasting: Principles and Practice, modelos ARIMA
• Hyndman e Athanasopoulos — Estacionariedade e diferenciação
• Hyndman e Athanasopoulos — Validação cruzada de séries temporais
• NIST/SEMATECH e-Handbook — Autocorrelação
• NIST/SEMATECH e-Handbook — Identificação de modelos Box–Jenkins
• statsmodels — Teste de autocorrelação residual de Ljung–Box
• statsmodels — Teste de Dickey–Fuller aumentado
• statsmodels — Teste de estacionariedade KPSS
• statsmodels — Teste de cointegração de Engle–Granger aumentado
• statsmodels — Testes de não causalidade de Granger
• Real Academia Sueca de Ciências — Prêmio de Economia 2003
• Bureau of Labor Statistics dos Estados Unidos — Perguntas e respostas sobre o índice de preços ao consumidor